摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-16页 |
1.1 研究背景 | 第10-12页 |
1.1.1 海量数据处理技术发展背景 | 第10-11页 |
1.1.2 Spark数据处理平台 | 第11-12页 |
1.2 国内外相关研究工作分析 | 第12-13页 |
1.2.1 Spark中的延迟调度策略及其不足 | 第12页 |
1.2.2 其它平台的任务调度 | 第12-13页 |
1.3 本文的主要贡献 | 第13-14页 |
1.4 本文的组织结构 | 第14页 |
1.5 本章小结 | 第14-16页 |
第2章 相关工作 | 第16-24页 |
2.1 海量数据处理平台的发展 | 第16-17页 |
2.1.1 海量数据处理应用的新特征 | 第16页 |
2.1.2 新型海量数据处理平台的演进历程 | 第16-17页 |
2.2 分布式内存计算平台概述 | 第17-18页 |
2.2.1 分布式内存计算平台的特征 | 第17页 |
2.2.2 分布式内存计算平台现状 | 第17-18页 |
2.3 Spark平台 | 第18-20页 |
2.3.1 Spark平台概述 | 第18页 |
2.3.2 Spark平台的任务调度 | 第18-20页 |
2.4 任务调度策略相关研究工作 | 第20-23页 |
2.4.1 任务调度研究现状 | 第20-21页 |
2.4.2 Map/Reduce平台中的任务调度 | 第21-22页 |
2.4.3 任务执行时间评估的相关研究 | 第22-23页 |
2.5 本章小结 | 第23-24页 |
第3章 问题描述与分析 | 第24-30页 |
3.1 延迟调度策略的不足 | 第24-26页 |
3.1.1 Spark中的延迟调度策略 | 第24-25页 |
3.1.2 延迟调度的盲目性 | 第25-26页 |
3.2 基于执行时间评估的Spark任务调度策略 | 第26-28页 |
3.2.1 Spark作业执行特征 | 第26-27页 |
3.2.2 基于执行时间评估的任务调度策略基本思路 | 第27页 |
3.2.3 基于执行时间评估的任务调度策略核心技术问题 | 第27-28页 |
3.3 本章小结 | 第28-30页 |
第4章 Spark中间数据任务执行时间评估方法 | 第30-42页 |
4.1 Spark工作原理 | 第30-31页 |
4.1.1 Spark的主要概念 | 第30页 |
4.1.2 Spark的shuffle操作 | 第30-31页 |
4.2 Spark中间数据任务执行过程建模 | 第31-36页 |
4.2.1 Spark中间数据任务执行过程 | 第31-34页 |
4.2.2 流水线原理及时间计算 | 第34-35页 |
4.2.3 任务执行过程建模 | 第35-36页 |
4.3 任务执行时间评估方法 | 第36-41页 |
4.3.1 参数描述及定义 | 第36-37页 |
4.3.2 任务执行时间评估过程 | 第37-41页 |
4.4 本章小结 | 第41-42页 |
第5章 基于长任务优先的任务调度策略 | 第42-50页 |
5.1 问题描述及相关定义 | 第42-44页 |
5.1.1 相关定义 | 第42-43页 |
5.1.2 问题描述 | 第43-44页 |
5.2 基于长任务优先的任务调度策略基本设计思路 | 第44-46页 |
5.2.1 算法设计思路 | 第44页 |
5.2.2 核心思想及算法描述 | 第44-46页 |
5.3 算法设计与分析 | 第46-48页 |
5.3.1 算法描述 | 第46-48页 |
5.3.2 算法时间复杂度分析 | 第48页 |
5.4 本章小结 | 第48-50页 |
第6章 系统实现与性能分析 | 第50-60页 |
6.1 系统实现 | 第50-51页 |
6.1.1 系统框架 | 第50-51页 |
6.1.2 模块功能介绍 | 第51页 |
6.2 性能测试及分析 | 第51-58页 |
6.2.1 性能评价指标 | 第52-53页 |
6.2.2 测试环境及相关概念 | 第53-54页 |
6.2.3 系统性能测试与分析 | 第54-58页 |
6.3 本章小结 | 第58-60页 |
结论 | 第60-62页 |
参考文献 | 第62-66页 |
攻读硕士学位期间所发表的学术论文 | 第66-68页 |
致谢 | 第68页 |